某网站的极验验证码实战

字符型验证码

SimGAN-Captcha代码阅读与复现 关于SimGAN-Captcha的扩展实验 全都得死：GAN掉字符验证码

小试牛刀

先尝试模拟，使用 puppteer 稍加计算就能成功绕过极验

请求依次为

• POST https://passport.bilibili.com/x/passport-login/sms/send 设备信息为 body，返回 recaptcha_url 随即向其发起请求，注意该 url 中的 gt 和 challenge 将用于后续一系列请求
• GET https://www.bilibili.com/h5/project-msg-auth/verify?ct=geetest&recaptcha_token=&gee_gt=&gee_challenge=&hash= 即向之前获得的 recaptcha_url 发送 GET 请求跳转到页面
• GET https://api.geetest.com/gettype.php?gt=&callback=geetest_{13位毫秒时间戳} 返回一些配置参数如静态js文件的位置（即相对路径）
• GET https://api.geetest.com/get.php?gt=&challenge=&lang=zh-cn&pt=3&client_type=web_mobile&w={一长串}&callback= 仍然返回一些配置如验证开始前显示的i18n字符串
• GET https://api.geetest.com/ajax.php?gt=&challenge=&lang=zh-cn&pt=3&client_type=web_mobile&w=&callback= 第一次请求 ajax.php，返回 callback值({"status": "success", "data": {"result": "slide"}})
• GET https://api.geetest.com/get.php 此时刚加载了 slide.js，和第一次请求 get.php 相比多了一些 params 如 is_next=true&type=slide3，返回结果中有滑块验证时会显示的i18n字符串，以及滑块和图片的位置
• GET https://api.geetest.com/ajax.php?gt=&challenge=&lang=zh-cn&%24_BBF=3&client_type=web_mobile&w=&callback= 最终的请求，返回 success 及 score

工程化探索

将验证码填充作为通用服务运行，让爬虫客户端无感绕过验证码，考虑在客户端和服务端（比如 puppeteer）之间使用 RPC，客户端先调起服务端，服务端进入验证码流程，但将所有请求拦截并通过 RPC 传递给客户端，客户端代为请求，响应结果作为 RPC 的返回值，服务端再强行将其作为响应，继续之后的动作，从而在验证方看来客户端正常完成了验证。

真正开发过程中，很多时间浪费在了数据类型造成的错误中，在 proto 中我把除状态码外的所有字段定为 string，但用 axios 等库发起请求时，header 为 object，且若不在请求时指定 responseType，所获响应默认用 json 解析成 object，否则才是 text。更坑的是图片等二进制数据，获得为文本时已经铸成大错，需要先指定 responseType 为 arraybuffer（在 Node 中 blob 实际还是以文本返回，因为 blob 是 browser only），然后 res.data.toString('base64') 转成 base64 字符串通过 RPC 传递，接收方再 Buffer.from(str, 'base64') 来转成 buffer。

JS逆向：AST还原极验混淆JS实战

反符号混淆和控制流平坦化